🔢 mathematics

Implementation of Milstein Schemes for Stochastic Delay-Differential Equations with Arbitrary Fixed Delays

تقدم هذه المساهمة تقنيات تنفيذ عددية لمخططات "أويلر-ماروياما" و"ميلشتاين" المطبقة على المعادلات التفاضلية العشوائية ذات التأخير الزمني المطبق على المعادلات التفاضلية العشوائية ذات التأخير الزمني، باستخدام الاستيفاء الخطي لتحقيق رتبة تقارب قدرها 1/2، وشبكة زمنية ممتدة بخطوات زمنية متفاوتة لتحقيق رتبة تقارب قدرها 1، وبذلك يتم التغلب على قيود الطرق السابقة التي كانت تقتصر على التأخيرات المتوافقة.

المؤلفون الأصليون: Mitchell T. Griggs, Kevin Burrage, Pamela M. Burrage

نُشر 2026-05-05

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Mitchell T. Griggs, Kevin Burrage, Pamela M. Burrage

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول التنبؤ بمسار قارب ينجرف في نهر. النهر ليس هادئاً؛ بل هو مضطرب بفعل أمواج عشوائية (هذا هو الجزء "العشوائي" أو الـ stochastic). ولكن إليك المفاجأة: توجيه القارب لا يتفاعل فقط مع الأمواج التي تضربه الآن. بل يتفاعل أيضاً مع الأمواج التي ضربته قبل خمس دقائق أو حتى عشر دقائق.

يطلق العلماء على هذا اسم معادلة تفاضلية عشوائية ذات تأخير (SDDE). إنها مشكلة رياضية تُستخدم لنمذجة أشياء مثل أسعار الأسهم، أو التجمعات البيولوجية، أو التفاعلات الكيميائية حيث يؤثر الماضي في الحاضر بطريقة عشوائية.

يتناول المقال الذي تسأل عنه مشكلة محددة ومعقدة للغاية: ماذا يحدث عندما لا تتوافق "أوقات التأخير" هذه بدقة مع ساعتك؟

المشكلة: "الساعة غير المتوافقة"

لحل هذه المعادلات على الكمبيوتر، يقوم العلماء عادةً بتقسيم الوقت إلى أجزاء متساوية وصغيرة جداً، مثل مسطرة بها علامات كل مليمتر. وهذا ما يسمى شبكة زمنية منتظمة (uniform time grid).

الحالة البسيطة (التأخيرات القابلة للقسمة): تخيل أن التأخير هو 5 ثوانٍ بالضبط وساعتك تدق كل ثانية واحدة. إذا احتاج الكمبيوتر لمعرفة ما حدث قبل 5 ثوانٍ، فببساطة ينظر إلى العلامة التي تسبق الوقت الحالي بخمس "دقات" تماماً. الأمر بسيط للغاية.
الحالة الصعبة (التأخيرات غير القابلة للقسمة): الآن تخيل أن التأخير هو $\pi$ ثانية (حوالي 3.14159...)، لكن ساعتك لا تزال تدق كل ثانية واحدة. إذا احتاج الكمبيوتر لمعرفة ما حدث قبل 3.14 ثانية، فلن يجد علامة تدل على ذلك! إنه عالق بين علامة الـ 3 ثوانٍ وعلامة الـ 4 ثوانٍ.

لفترة طويلة، استطاعت الحواسيب التعامل فقط مع "الحالة البسيطة". وإذا كانت أوقات التأخير أرقاماً "فوضوية" (مثل $\pi$ أو $\sqrt{2}$ ) لا تتوافق مع دقات الساعة، كان على العلماء إما:

التخمين: تقدير القيمة المفقودة عن طريق رسم خط مستقيم بين علامة الـ 3 ثوانٍ والـ 4 ثوانٍ (الاستكمال الخطي - Linear Interpolation). هذا يعمل، لكنه بطيء وغير دقيق.
الاستسلام: دراسة المسائل التي تصادف أن تأخيراتها هي أرقام "جميلة" أو منظمة فقط.

الحل: بناء مسطرة مخصصة

يقول المؤلفون، ميتشل غريغز، كيفين بوراج، وباميلا بوراج: "لماذا نجبر الساعة على التكيف مع التأخير؟ دعونا نصنع مسطرة مخصصة تناسب التأخير".

لقد طوروا طريقة لإنشاء شبكة زمنية ممتدة (extended time grid). فكر في الأمر كأنك تأخذ مسطرة قياسية وتضيف إليها علامات إضافية مخصصة في الأماكن التي تقع فيها "اللحظات الماضية" بالضبط، مهما كانت تلك الأرقام فوضوية.

إليك كيف يعمل حلهم بتبسيط شديد:

1. المسطرة "الذكية" (الشبكة الممتدة)

بدلاً من إجبار الكمبيوتر على التحقق من كل ثانية، يقوم الكمبيوتر بإنشاء قائمة بـ كل لحظة يحتاج للتحقق منها:

يتحقق من الحاضر.
يتحقق من الحاضر ناقص مدة التأخير.
يتحقق من الحاضر ناقص (التأخير × 2) (لأن التأخير أحياناً يعتمد على ماضي الماضي).
يقوم بترتيب كل هذه الأوقات في قائمة واحدة مرتبة.

الآن، حتى لو كان التأخير هو $\pi$ ثانية، سيكون لدى الكمبيوتر علامة محددة عند $\pi$ ثانية بالضبط من الماضي. لم يعد بحاجة للتخمين.

2. الكاميرا "عالية الدقة" (مخطط ميلشتاين - Milstein Scheme)

يركز المقال على أداة رياضية محددة تسمى مخطط ميلشتاين (Milstein Scheme).

الكاميرا منخفضة الدقة (Euler-Maruyama): تشبه صورة ضبابية للقارب. هي سريعة، لكنها ليست دقيقة جداً. كما أنها تعمل بشكل جيد مع طريقة "التخمين"، لكنها لا تستطيع التقاط التفاصيل الدقيقة لحركة القارب.
الكاميرا عالية الدقة (Milstein): هذه كاميرا فائقة الوضوح تلتقط حركة القارب بدقة مثالية. ومع ذلك، فهي تتطلب بيانات دقيقة للغاية. إذا غذيتها بقيمة "مخمنة" (باستخدام طريقة الصورة الضبابية)، ستفسد الصورة ويفقد نظام الكاميرا عالية الدقة ميزته.

يكمن الاختراق الكبير للمؤلفين في إثبات أنه باستخدام المسطرة المخصصة (الشبكة الممتدة)، يمكنهم تزويد الكاميرا عالية الدقة (مخطط ميلشتاين) بالبيانات الدقيقة التي تحتاجها، حتى لو كانت أوقات التأخير أرقاماً فوضوية. وهذا يسمح للكمبيوتر بالحصول على نتيجة "عالية الدقة" للمسائل التي كان من المستحيل حلها بدقة سابقاً.

المقايضة: علامات أكثر، عمل أكثر

هناك عقبة. بناء هذه المسطرة المخصصة يتطلب جهداً أكبر.

إذا كان لديك تأخير بسيط، فقد تحتوي مسطرتك على 100 علامة.
إذا كان لديك تأخير فوضوي، فقد تحتاج مسطرتك إلى 1,000 علامة لتغطية كل اللحظات "البينية".

يوضح المقال أنه رغم أن هذا يتطلب ذاكرة ووقت كمبيوتر أكثر، إلا أن النتيجة تستحق العناء. فالطريقة "عالية الدقة" (الرتبة 1) تصبح أكثر دقة بكثير من الطريقة "منخفضة الدقة" (الرتبة 1/2)، خاصة عندما تحتاج إلى إجابات دقيقة.

مثال واقعي من المقال

اختبر المؤلفون هذا النموذج على نموذج لـ الخيارات المالية (تحديداً "خيار الشراء الرقمي - digital call option").

تخيل أنك تراهن على ما إذا كان سعر السهم سيكون فوق رقم معين في المستقبل.
سعر السهم يعتمد على تقلباته (مدى حركته العشوائية) من الماضي.
إذا كان ذلك الوقت الماضي رقماً فوضوياً (مثل $\pi$ ثانية مضت)، فإن الطرق القديمة ستعطيك رهاناً ضبابياً وغير دقيق.
الطريقة الجديدة تبني المسطرة المخصصة، وتحسب التقلب الماضي بدقة، وتقدم تنبؤاً أكثر حدة وموثوقية لقيمة الرهان.

الملخص

المقال هو في الأساس دليل حول كيفية التوقف عن إجبار تأخيرات الوقت الفوضوية على التكيف مع نوافذ زمنية منتظمة ونظيفة. بدلاً من ذلك، يعلمنا كيفية بناء خط زمني مرن ومخصص يحتوي على كل لحظة تتطلبها الرياضيات. وهذا يسمح لنا بتطبيق أقوى أدوات الحساب عالية الدقة لدينا على المسائل التي كانت في السابق شديدة الفوضوية بحيث يصعب حلها بدقة.

ملخص تقني: تنفيذ مخططات ميلشتاين (Milstein) للمعادلات التفاضلية العشوائية ذات التأخير (SDDEs) ذات التأخيرات الثابتة التعسفية

1. بيان المشكلة

تتناول الورقة البحثية المحاكاة العددية للمعادلات التفاضلية العشوائية ذات التأخير (Itô SDDEs) التي تحتوي على تأخيرات ثابتة متعددة ( $\tau_1, \dots, \tau_K$ ) لا تتوافق مع شبكة زمنية موحدة. وبينما توجد أطر نظرية لترتيب التقارب القوي (strong convergence orders) بمقدار $1/2$ (طريقة أويلر-ماروياما) و $1 $(طريقة ميلشتاين) لهذه المعادلات، فإن التنفيذ العملي للمخططات من الرتبة الأولى يقتصر إلى حد كبير على "التأخيرات القابلة للقسمة" — أي الحالات التي تكون فيها جميع التأخيرات مضاعفات صحيحة لخطوة زمنية مشتركة$ h$.

تنشأ الصعوبة الجوهرية لأن المخططات عالية الرتبة (خاصة مخطط ميلشتاين) تتطلب تقييمات لقيم الحل عند نقاط زمنية متأخرة ( $t_n - \tau_k$ ) وتكاملات عشوائية متكررة متأخرة ( $I^{\tau_k}_{ij}$ ). وعندما تكون التأخيرات "غير قابلة للقسمة" (أي لا يوجد قاسم مشترك بين التأخيرات والخطوة الزمنية)، فإن نقاط الزمن المطلوبة هذه لا تتوافق مع شبكة المحاكاة. وبناءً على ذلك، تفشل عمليات التنفيذ القياسية ذات الخطوة الثابتة في تقييم هذه الحدود بدقة، مما يضطرها لاستخدام تقريبات تؤدي إلى خفض رتبة التقارب إلى $1/2$ .

2. المنهجية

يقترح المؤلفون نهجاً منهجياً لتحقيق رتبة تقارب قوي (OoC) قدرها 1 للمعادلات التفاضلية العشوائية ذات التأخير الثابت التعسفي. تنقسم المنهجية إلى استراتيجيتين رئيسيتين:

أ. الاستيفاء الخطي (LI) للحصول على OoC 1/2

لتوفير معيار مرجعي فعال حاسوبياً، قام المؤلفون بتنفيذ مخططات باستخدام خطوة زمنية ثابتة $h$ . عندما تقع النقاط الزمنية المتأخرة ( $t_n - \tau_k$ ) بين نقاط الشبكة، يتم تقريب قيم الحل المتأخرة عبر الاستيفاء الخطي (LI) بين أقرب القيم المحاكات.

المخططات: تم تكييف مخططات أويلر-مارويما (EM)، وميلشتاين، وماجنوس-أويلر-مارويما (MEM)، وماجنوس-ميلشتاين (MM) باستخدام الاستيفاء الخطي.
النتيجة: هذا النهج بسيط وفعال ولكنه يحد من رتبة التقارب عند $1/2$ ، حتى عند استخدام تقريبات تكاملية متطورة، لأن خطأ الاستيفاء يهيمن على الخطأ الإجمالي.

ب. الشبكة الزمنية الممتدة للحصول على OoC 1

لتحقيق رتبة التقارب القوي النظرية (OoC 1)، قام المؤلفون ببناء شبكة زمنية ممتدة تتضمن صراحةً جميع النقاط الزمنية المطلوبة لتقييم مخطط ميلشتاين.

البناء: يتم بناء الشبكة بالبدء بمجموعة أولية من نقاط زمن الملاحظة (بما في ذلك الزمن النهائي $T$ ومضاعفات التأخيرات) وإضافة جميع النقاط المتأخرة الضرورية بشكل متكرر ( $t_n - \tau_k$ ، $t_n - \tau_l - \tau_k$ ، إلخ) حتى تصبح المجموعة مغلقة تحت عمليات التأخير ضمن الفترة $[0, T]$ .
حجم الخطوة المتغير: ينتج عن ذلك شبكة غير منتظمة ذات أحجام خطوات متغيرة.
محاكاة التكامل: قام المؤلفون بتوسيع طريقة التقريب شبه المنحرف للتكاملات العشوائية المتكررة (التي طُورت أصلاً للتأخيرات القابلة للقسمة) لتشمل هذه الشبكة الممتدة. لقد عرّفوا شبكة زمنية دقيقة ممتدة (ARTM) من خلال تطبيق نفس منطق البناء باستخدام خطوة أولية أدق. يضمن هذا أن كل فترة زمنية $[t_n, t_{n+1}]$ في مخطط المخطط، تقابلها فترات متأخرة $[t_n - \tau_k, t_{n+1} - \tau_k]$ يتم حلها بالكامل بواسطة الـ ARTM، مما يتيح المحاكاة الدقيقة للتكاملات المتكررة المتأخرة $I^{\tau_k}_{ij}$ باستخدام قاعدة شبه المنحرف.

3. المساهمات الرئيسية

إطار عمل للشبكات الممتدة: قدمت الورقة خوارزمية بنائية (الخوارزمية 1) لتوليد شبكة زمنية تستوعب التأخيرات الثابتة التعسفية، مما يسمح بالتقييم الدقيق لقيم المخطط المتأخرة دون الحاجة للاستيفاء.
توسيع التكامل شبه المنحرف: عمم المؤلفون تقريب شبه المنحرف للتكاملات العشوائية المتكررة على حالة التأخيرات غير القابلة للقسمة باستخدام الـ ARTM، مما يضمن توافق فترات التكامل المتأخرة مع نقاط الشبكة.
التحقق من التقارب: تقدم الورقة برهاناً نظرياً (النظرية 4) وأدلة عددية تثبت أن مخططات ميلشتاين وماجنوس-ميلشتاين، عند تنفيذها على الشبكة الممتدة مع التكاملات المنقحة، تحقق رتبة التقارب القوي النظرية وهي 1، حتى بالنسبة للتأخيرات غير القابلة للقسمة.
التحليل المقارن: تقارن الورقة بشكل منهجي أداء المخططات ذات الخطوة الثابتة مع الاستيفاء الخطي (OoC 1/2) مقابل المخططات القائمة على الشبكات الممتدة (OoC 1)، موضحة أنه بينما تتحمل الشبكة الممتدة تكاليف حاسوبية أعلى (بسبب نمو الشبكة)، إلا أنها ضرورية لتحقيق دقة من الرتبة 1.

4. النتائج

رتب التقارب: تؤكد التجارب العددية أن كلاً من المخططات ذات الخطوة الثابتة والمخططات القائمة على الشبكات الممتدة تسلك السلوك المتوقع للتأخيرات القابلة للقسمة. ومع ذلك، بالنسبة للتأخيرات غير القابلة للقسمة، تنخفض رتبة التقارب للمخططات ذات الخطوة الثابتة التي تستخدم الاستيفاء الخطي إلى $1/2$ . في المقابل، تحافظ المخططات على الشبكات الممتدة على رتبة 1.
حجم الشبكة مقابل مقدار التأخير: ينمو حجم الشبكة الممتدة تربيعياً مع عدد مضاعفات التأخير. يشير المؤلفون إلى أن الطريقة تكون أكثر عملية عندما تكون التأخيرات كبيرة مقارنة بالزمن النهائي $T$ . أما بالنسبة للتأخيرات الصغيرة، فقد يصبح حجم الشبكة كبيراً بشكل يعيق العمل.
الكفاءة الحاسوبية: يوضح الجدول 3 أنه بينما تتطلب الشبكة الممتدة وقتاً حاسوبياً أكثر من طرق الخطوة الثابتة مع الاستيفاء الخطي، إلا أنها قد تكون أكثر كفاءة من طرق الاستيفاء الخطي عندما تكون الدقة العالية مطلوبة. فعلى سبيل المثال، أثبت مخطط ميلشتاين على الشبكة الممتدة أنه أسرع من مخطط أويلر-مارويما مع الاستيفاء الخطي (EM-LI) في إعدادات محددة مع تأخيرات غير قابلة للقسمة للوصول إلى مستوى معين من الخطأ.
التطبيق على النماذج المالية: تم تطبيق الطريقة على نموذج التقلب المحلي المتأخر (DLVM) لتسعير خيارات الشراء الرقمية. وفر مخطط ميلشتاين على الشبكة الممتدة تقديرات مستقرة ودقيقة لقيم الخيارات عند دقات زمنية أخشن مقارنة بالطرق ذات الرتب الأدنى.

5. الأهمية والادعاءات

تدعي الورقة أنها تسد فجوة حرجة بين الوجود النظري لحلول SDDE عالية الرتبة وتنفيذها العملي للتأخيرات العامة.

التنفيذ العملي: يؤكد المؤلفون أنه بينما تم إثبات مخطط ميلشتاين المستمر نظرياً بواسطة كلويدن وشاردلو [14]، لم تكن هناك استراتيجية تنفيذ معيارية للتأخيرات غير القابلة للقسمة. يقدم هذا العمل تلك الاستراتيجية.
المتانة: أثبتت الطريقة متانتها عبر مختلف إعدادات التأخير، بما في ذلك الحالات التي تحتوي على تأخيرات متعددة وقيم تأخير غير نسبية (مثل $\pi/4$ ).
القيود والعمل المستقبلي: يقر المؤلفون بتواضع بأن حجم الشبكة الممتدة يمكن أن يصبح عائقاً في حالات التأخير الصغير. ويقترحون أنه في مثل هذه الحالات، يظل منهج الاستيفاء الخطي (OoC 1/2) بديلاً قابلاً للتطبيق. تشمل التوسعات المستقبلية المذكورة التعامل مع التأخيرات المعتمدة على الزمن أو الموزعة، وكذلك استكشاف التكرار التكيفي أو التنفيذ المتوازي لتقليل التكاليف الحاسوبية.

باختار، تخلص الورقة إلى أنه من خلال التخلي عن قيود الشبكة الزمنية الموحدة لصالح شبكة ممتدة يتم بناؤها بشكل منهجي، يصبح تحقيق تقارب قوي من الرتبة 1 للمعادلات التفاضلية العشوائية ذات التأخير الثابت التعسفي أمراً ممكناً، مما يتيح محاكاة أكثر دقة للنماذج العشوائية المعقدة في مجالات مثل التمويل وعلم البيئة.